L'IA dans le Wealth Management : comment ChatGPT et Anthropic bousculent la relation bancaire classique
Friedhelm Schmitt
Dans le débat sur l'intelligence artificielle dans la gestion de patrimoine, il est presque toujours question d'outils, de systèmes d'assistance, d'automatisation et d'efficacité. Friedhelm Schmitt, cofondateur et PDG de fincite, estime que c'est une mauvaise perspective. La véritable question n'est pas de savoir quels outils les banques utilisent, mais sur quoi repose leur activité même, et cet avantage s'est déjà déplacé. Avec fincite • cios, fincite développe un logiciel de gestion de patrimoine modulaire utilisé par plus de 9 000 gestionnaires de patrimoine en Europe, et fait partie du groupe Harvest.
L'avantage de connaissances des banques n'est plus exclusif
Pendant des décennies, le modèle économique d'une banque reposait sur un avantage de connaissances. La banque comprenait mieux les marchés, les produits et les mécanismes financiers que ses clients, et c'est de cette asymétrie qu'est née la valeur du conseil. Aujourd'hui, alors que des acteurs comme OpenAI intègrent des fonctions financières directement dans ChatGPT ou qu'Anthropic introduit son modèle dans les départements financiers des entreprises, il est naturel de conclure que la relation bancaire classique s'en trouve ébranlée.
Cependant, le fait qu'un logiciel s'intercale entre le fournisseur et le client n'est pas un phénomène nouveau. Nous l'avons vu dans le secteur du voyage avec Booking, dans le commerce avec Amazon et dans la banque elle-même avec des comparateurs comme C24.
Un autre élément est remarquable : pour la première fois, un système est prêt à appréhender la situation financière d'un individu de manière plus globale que ne le fait une banque aujourd'hui. L'éviction par un intermédiaire n'est donc pas la véritable menace. L'élément décisif est que la compréhension du client n'est plus l'apanage de la banque.
Pourquoi des catégories telles que les classes de risque ne reflètent plus le client de manière holistique
La façon dont les banques appréhendent leurs clients aujourd'hui est restée d'une imprécision remarquable. Un client est catégorisé selon son âge, sa classe de risque et son horizon de placement, et son conseil découle de cette classification. Il est alors considéré comme enclin ou réticent au risque, comme s'il s'agissait d'une caractéristique permanente et non d'un instantané. Cela n'a pas grand-chose à voir avec la réalité d'un être humain, et encore moins avec le fonctionnement des systèmes modernes.
Une intelligence artificielle peut appréhender de manière globale la phase de vie dans laquelle se trouve une personne, l'évolution de sa situation et le moment où elle s'apprête à prendre une décision contraire à ses propres intérêts. Dès aujourd'hui, elle fournit ainsi une évaluation plus nuancée que celle offerte par le processus de conseil classique dans la plupart des banques.
Ce sont donc les gestionnaires de patrimoine qui conçoivent leur rôle comme une plateforme qui s'imposeront. Ils accompagnent le client sur l'ensemble de son patrimoine, interviennent de manière situationnelle et instaurent de la confiance sur le long terme, au lieu de classer le client une fois par an dans une grille préexistante.
Les trois couches de la pile bancaire à l'ère de l'IA
Quiconque mène à bien la réflexion sur la structure technologique de l'ère de l'IA identifie trois couches superposées. Pour les banques, la question n'est pas de savoir si ces couches existent, mais lesquelles d'entre elles elles contrôlent elles-mêmes.
La couche d'agrégation des données constitue le fondement, car les modèles de langage et les applications d'entreprise ne déploient leur plein potentiel qu'à partir du moment où ils peuvent accéder à des données clients fiables.
La couche des applications d'entreprise et de l'IA génère l'utilité réelle, soit par la banque elle-même, soit par le biais de partenariats, et elle est complétée par les modèles sous-jacents.
La couche réglementaire et de conformité doit impérativement être contrôlée par les banques elles-mêmes, car c'est la seule qui garantit que tout ce qui se trouve au-dessus reste digne de confiance, auditable, traçable et viable sur le plan réglementaire.
Ce dernier point est précisément sous-estimé dans le débat actuel, et peu de banques l'ont intégré dans leur radar stratégique. Jusqu'à présent, le secteur s'est principalement attaché à préparer et à présenter des informations. Or, la prochaine étape du développement de l'IA réside dans l'action : dans des systèmes de conseil qui exécutent eux-mêmes les recommandations, et par conséquent, dans la gestion active des portefeuilles. Très peu d'institutions sont préparées à cette évolution à l'heure actuelle.
L'agrégation de patrimoine comme facteur stratégique
L'Europe a manqué une opportunité stratégique avec l'Open Banking. Tant dans la mise en œuvre réglementaire que dans la représentation des intérêts politiques, l'ouverture des données financières a été ralentie plutôt que stimulée. Cependant, l'évolution aux États-Unis montre clairement la direction prise : l'agrégation des données financières aura lieu, et la seule question en suspens est de savoir quel acteur en aura la charge.
Tant que les banques ou des agrégateurs réglementés contrôlent cette couche, ils conservent la souveraineté sur l'accès, sur l'attribution des droits, sur la gouvernance et sur le consentement des clients. Ils gardent ainsi le contrôle réel de qui peut utiliser quelles données et à quelles fins.
C'est pour cette raison que l'agrégation de patrimoine gérée par la banque constitue la première étape concrète. Elle représente l'accès à la couche IA et relève de la responsabilité de la banque. Quiconque s'en sépare risque de devenir à long terme une simple infrastructure, pendant que d'autres façonnent la relation client. C'est précisément autour de cette couche qu'est conçu fincite • cios, un logiciel de gestion de patrimoine modulaire qui fonctionne en priorité par API et s'intègre dans les systèmes bancaires centraux existants.
La mémoire comme nouvelle étape d'évolution du conseil
L'aspect stratégique le plus lointain concerne la capacité à mémoriser le contexte au fil du temps. Je considère cette forme de mémoire comme la prochaine grande étape d'évolution de l'intelligence artificielle. L'identité humaine se forge essentiellement par le fait que les expériences nous façonnent, que nous les lions au fil des ans et que nous en déduisons des schémas. Les systèmes actuels ne possèdent pas encore pleinement cette capacité, mais l'évolution s'oriente clairement dans cette direction.
C'est précisément sur ce point que la faiblesse des banques apparaît le plus nettement. L'image qu'une banque a de son client se limite généralement aux revenus, à la classe de risque, à la situation familiale et à quelques notes d'entretien. Elle reste un instantané statique qui ne correspond ni à la réalité d'un être humain, ni à la logique selon laquelle fonctionneront les futurs systèmes d'IA.
Ce que les banques doivent donc mettre en place, c'est une couche qui capture le contexte d'un client tout au long de son cycle de vie, des événements marquants de l'existence aux phases changeantes du marché, en passant par les modifications de comportement. Ce n'est que sur cette base qu'un conseil personnalisé devient possible.
Conclusion : ce que l'intelligence artificielle dans la gestion de patrimoine signifie pour les banques européennes
L'intelligence artificielle dans la gestion de patrimoine a inversé l'asymétrie de l'information dont les banques ont vécu pendant des décennies. L'avantage ne réside plus naturellement du côté de la banque, mais bien du côté du système qui comprend le mieux le client. Quiconque veut récupérer cet avantage doit conserver sous sa propre responsabilité l'agrégation de données, la couche de conformité et la mémoire du client. L'agrégation de patrimoine en est la première étape concrète, et la technologie nécessaire est prête. La décision appartient aux banques elles-mêmes.
